論文の概要: CircuTutor: Transforming Static Circuit Problems into Intelligent and Dynamic Tutoring
- arxiv url: http://arxiv.org/abs/2609.08254v1
- Date: Tue, 08 Sep 2026 04:56:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.583118
- Title: CircuTutor: Transforming Static Circuit Problems into Intelligent and Dynamic Tutoring
- Title（参考訳）: CircuTutor: 静的回路問題をインテリジェントかつダイナミックなチューニングに変換する
- Abstract要約: CircuTutorは、静的教科書回路の問題をインタラクティブなチューリングワークフローに変換する、サーキットステート駆動のインテリジェントなチューリングシステムである。
SPICE互換のソルバが物理的に一貫した回路状態を計算する間、学習者は(パラメータを変更して)回路をインタラクティブに探索し、回答を提出することができる。
- 参考スコア（独自算出の注目度）: 7.095506059312517
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning direct current circuit concepts requires learners to connect invisible physical quantities, such as current, voltage, resistance, and power, with observable outcomes such as bulb brightness. Conventional textbook materials and general-purpose circuit simulators provide opportunities for problem solving and exploration but offer limited support for explaining why circuit behavior changes or diagnosing the reasoning behind incorrect answers. We present CircuTutor, a circuit-state-driven intelligent tutoring system that transforms static textbook circuit problems into an interactive tutoring workflow. CircuTutor first uses multimodal problem parsing to extract the textbook question, circuit topology, component parameters, switch states, and answer options, which are converted into a structured task and validated through circuit simulation. Learners can then interactively explore the circuit (by changing parameters) and submit an answer while a SPICE-compatible solver computes physically consistent circuit states. After the learner submits an answer, CircuTutor presents a before-and-after circuit state animation corresponding to the selected operation, organizes the simulated state changes into a causal reasoning chain that explains the underlying circuit behavior, maps answer discrepancies to likely misconceptions, and generates adaptive follow-up exercises targeted at the diagnosed misconception. Our experimental results demonstrate that CircuTutor effectively improves conceptual learning and the overall learning experience. The proposed framework demonstrates how simulated circuit states can be transformed into intelligent and interactive tutoring for circuit education, with the potential to generalize to other STEM domains.
- Abstract（参考訳）: 直流回路の概念を学ぶには、電流、電圧、抵抗、電力などの見えない物理量と、電球の明るさなどの観測可能な結果とを結びつける必要がある。
従来の教科書や汎用回路シミュレータは、問題解決と探索の機会を提供するが、なぜ回路の振る舞いが変化するかを説明するための限られたサポートを提供する。
本稿では,静的教科書回路問題を対話型チューリングワークフローに変換する回路状態駆動型知的チューリングシステムであるCircuTutorを紹介する。
CircuTutorはまずマルチモーダル問題解析を用いて、教科書問題、回路トポロジ、コンポーネントパラメータ、スイッチ状態、解答オプションを抽出し、構造化タスクに変換し、回路シミュレーションによって検証する。
学習者は、(パラメータを変更して)回路を対話的に探索し、SPICE互換の解法が物理的に一貫した回路状態を計算する間、回答を提出することができる。
学習者が回答を提出した後、CircuTutorは、選択した操作に対応する前後の回路状態アニメーションを提示し、シミュレーションされた状態変化を、根底にある回路動作を説明する因果推論チェーンに整理し、解答不一致を誤認識の可能性を秘めたマップを作成し、診断された誤解をターゲットとした適応的なフォローアップ演習を生成する。
実験の結果,CircuTutorは概念学習と総合学習体験を効果的に改善することが示された。
提案フレームワークは、シミュレーションされた回路状態が、他のSTEMドメインに一般化される可能性があり、回路教育のための知的かつインタラクティブなチュータにどのように変換されるかを示す。
関連論文リスト
- Invariant Learning Dynamics of Transformers in Inductive Reasoning Tasks [50.79340930913805]
文献で知られているいくつかの合成タスクを統一する帰納的タスクのクラスについて検討する。
低次元力学現象として回路形成を鋳造することにより、トランスフォーマーの学習方法に関する予測理論へと進む。
論文 参考訳（メタデータ） (2026-07-13T17:56:11Z) - Perturbative Contrastive Physical Learning [1.3831855739681835]
摂動コントラスト物理学習(PCPL)は、物理的状態間の測定可能なコントラストから学習が出現する一般的な枠組みである。
我々はPCPLが局所的な感度や大域的逆プロブレム構造を反映できるが、集中的な勾配計算を必要としないことを示した。
我々は, (i) 測定された変位と力を用いて接着剛性を更新するスプリングネットワーク, (ii) クアッドX線測定により訓練された連続可変フォトニック回路, およびジャコビアンの有限差分推定の2つのプラットフォームでPCPLを実証する。
論文 参考訳（メタデータ） (2026-06-08T17:14:07Z) - Seeing Through Circuits: Faithful Mechanistic Interpretability for Vision Transformers [54.2202951543048]
視覚変換器の計算グラフから有用なメカニスティック回路を同定できるかどうかを検討する。
分類のためのクラス固有の回路を復元するビジュアル・サーキット・ディスカバリー(Vi-CD)の効果的な手法を提案する。
これらのモデルの内部計算に透明性を加えることで、視覚変換器から洞察に富み、行動可能なエッジベース回路を復元できることが判明した。
論文 参考訳（メタデータ） (2026-04-15T23:25:46Z) - KCLNet: Electrically Equivalence-Oriented Graph Representation Learning for Analog Circuits [33.151200670956676]
本稿では、直流(DC)電気的に等価なアナログ表現学習フレームワーク、textbfKCLNetを提案する。
これは、電気的にシミュレートされたメッセージパッシングを備えた非同期グラフニューラルネットワーク構造と、KirchhoffのCurrent Law(KCL)にインスパイアされた表現学習方法からなる。
論文 参考訳（メタデータ） (2026-03-25T09:06:19Z) - Position-aware Automatic Circuit Discovery [59.64762573617173]
我々は既存の回路探索手法のギャップを同定し、モデル成分を入力位置間で等しく関連するものとして扱う。
可変長例を含むタスクであっても,回路に位置性を組み込むための2つの改良を提案する。
提案手法により, 位置感応回路の完全自動検出が可能となり, 従来よりも回路サイズと忠実度とのトレードオフが良好になる。
論文 参考訳（メタデータ） (2025-02-07T00:18:20Z) - Transformer Circuit Faithfulness Metrics are not Robust [0.04260910081285213]
回路の「忠実さ」を、モデルの計算の一部を損なうことによって測定する。
既存の回路忠実度スコアは、研究者の方法論的選択と回路の実際の構成要素の両方を反映していると結論付けている。
機械的解釈可能性の研究の最終的な目標は、ニューラルネットワークを理解することです。
論文 参考訳（メタデータ） (2024-07-11T17:59:00Z) - Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
シミュレーションの少ない機械学習(ML)アプローチを提案する。
提案手法により,OCCを全回路の仕様に近づけることができることを示す。
論文 参考訳（メタデータ） (2023-06-23T12:57:46Z) - Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。
この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
論文 参考訳（メタデータ） (2023-02-09T14:05:18Z) - Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling
and Design [68.1682448368636]
本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。
異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。
出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
論文 参考訳（メタデータ） (2022-03-29T21:18:47Z) - Representation Learning of Logic Circuits [7.614021815435811]
本稿では,各ゲート上のベクトルとして回路の論理関数と構造情報を埋め込んだ表現学習ソリューションを提案する。
具体的には、学習のために回路を統一およびインバータグラフ形式に変換することを提案する。
次に,信号確率予測の先行学習として,実用的な回路における強い帰納バイアスを用いた新しいグラフニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-11-26T05:57:05Z) - Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。
数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。
我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文 参考訳（メタデータ） (2020-06-02T23:38:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。